Java - HtmlUnit parse table without id

HtmlUnit Library讓我們可以利用Java模擬瀏覽器功能來測試網頁，而在這邊主要是針對如果

我們要走訪Html table，取得tr -> td的data，在table沒有設定id的情形下可以怎麼處理。

首先假設我們取得了該頁面的HtmlPage object，而我們要get table的Dom結構如下：

  1. <body>
  2. ....
  3. <table>
  4.     <tr>
  5.         <td>A</td>
  6.     </tr>
  7.     <tr>
  8.         <td>
  9.             <table>
  10.                 <tr>
  11.                     <td>1</td>
  12.                 </tr>
  13.                 <tr>
  14.                     <td>2</td>
  15.                 </tr>
  16.             </table>
  17.         </td>
  18.     </tr>
  19. </table>
  20. ....
  21. </body>

如果table有設id值的話，您就可以透過HtmlTable tableobj = page.getHtmlElementById("table1");

來得到table object，即可以利用HtmlTable定義的method，如官方說明文件提供的範例，如下

  1. for (final HtmlTableRow row : tableobj.getRows()) {
  2.     System.out.println("Found row");
  3.     for (final HtmlTableCell cell : row.getCells()) {
  4.         System.out.println("   Found cell: " + cell.asText());
  5.     }
  6. }

但我們要存取的table既沒有設定id，且我們要針對的為巢狀table下的第二個table資料，

回歸一個page能夠透過getElementByid(HtmlPage class定義的method)取得element's object，

當然也可以利用getElementsByTagName針對特定tag，但比較不方便的是沒有table專用的

getRows(), getCells()來用了，但也還好，利用下面的幾行code我們也可以得到。

  1. DomNodeList<DomElement> tablelist = page.getElementsByTagName("table");
  3. DomElement tabledom = tablelist.get(1);
  5. Iterator<DomNode> domiter =  tabledom.getChildren().iterator();

tablelist為一集合List，假設這個頁面只有兩個<table>tag，那麼我們可以想像內層的table即為

第二個index，即1，因此我們表示tablelist.get(1)為第二個table，再來就是直覺的利用

getChildren()，來走訪當下element (table)的children elements，至於怎麼走訪，相信常用HashMap

的人應該蠻熟練的！在此就不多加撰述！

留言

張貼留言